Calculando durações a partir de carimbos de data

A segmentação de clientes é uma parte importante da análise de produto. No nosso conjunto de dados do Citibike, temos tanto usuários casuais quanto membros anuais pagantes.

Qual dos dois grupos pedala por mais tempo em termos de duração?

Podemos supor que membros anuais pedalam mais; vamos ver se isso se confirma!

Se você perdeu o progresso, carregue a pasta de trabalho 1_4_datediff.twbx na pasta Workbooks na área de trabalho.

Este exercício faz parte do curso

Análise de Séries Temporais no Tableau

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Começar o exercício

Este exercício faz parte do curso

Análise de Séries Temporais no Tableau

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Neste capítulo, vamos começar entendendo os diferentes tipos de séries temporais que existem, além das metodologias analíticas para analisá-las. Depois de compreender os conceitos fundamentais, você vai aprender a reformatar dados de séries temporais para preparar visualizações univariadas e multivariadas.

Exercise 1: Uma introdução a séries temporais Exercise 2: Classificação de séries temporais Exercise 3: Formatação de data e hora no Tableau Exercise 4: Reformatação com datename Exercise 5: Particionando com datepart Exercise 6: Transformações e visualizações de datas Exercise 7: Verificação de conhecimentos sobre data e hora Exercise 8: Reformatando datas no Tableau Exercise 9: Truncando datas Exercise 10: Calculando durações a partir de carimbos de data

Exercício atual

Exercise 11: Classificando dados de séries temporais Exercise 12: Analisando o comportamento de uso

Todo mundo quer analisar dados, mas é importante que eles estejam limpos. Neste capítulo, vamos aprender a limpar dados de séries temporais usando as funções de data nativas do Tableau, em que vamos remodelar, dividir e reunir os dados com base no contexto temporal de interesse. Além disso, vamos explorar os conceitos de sazonalidade, análise de tendência e detecção de anomalias!

Exercise 1: Manipulação e reformatação de strings de data Exercise 2: Válido ou não?Exercise 3: Reformulando datas na prática Exercise 4: Fazendo o parsing da data Exercise 5: Truncamentos semanais Exercise 6: Sazonalidade e anomalias em dados de séries temporais Exercise 7: Técnicas para anomalias Exercise 8: Visualizando sazonalidade e percentis Exercise 9: Mudando as estações Exercise 10: Tendências importam Exercise 11: Variação sazonal com box plots Exercise 12: Analisando discrepâncias de preços do abacate

Neste capítulo final, você vai aprender tudo sobre o poder das funções de janela e técnicas estatísticas como valores Z, criando seus próprios classificadores de anomalias para identificar oportunidades ideais de arbitragem de preços para uma empresa de trading! Na segunda parte do capítulo, vamos comparar múltiplas técnicas de detecção de anomalias, oferecendo a você um amplo conjunto de abordagens para tratar e analisar séries temporais!

Exercise 1: Funções de janela no Tableau Exercise 2: Entendendo funções de janela Exercise 3: Cálculos com funções de janela Exercise 4: Suavizando dados com médias móveis Exercise 5: Selecionando janelas de tempo para médias móveis Exercise 6: Identificando relações com correlações de janela Exercise 7: Detecção de anomalias com funções de janela Exercise 8: Memória muscular com Z-scores e desvio padrão Exercise 9: Um mergulho profundo em cálculos de janela Exercise 10: Desvendando a volatilidade Exercise 11: Definindo limites superiores Exercise 12: Detecção de anomalias com Z-scores Exercise 13: Parabéns!